Perspectief 1 – EV’s als primaire oplossing#
Dit hoofdstuk onderzoekt of een stijgend aandeel elektrische voertuigen (EV’s) leidt tot lagere CO₂‑uitstoot van nieuw geregistreerde auto’s.
We gebruiken twee visualisaties:
Lijngrafiek – EV‑aandeel per land (2010‑2023)
Scatter + slider – EV‑aandeel vs CO₂‑uitstoot per land/jaar
Show code cell source
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
import seaborn as sns
from IPython.display import display
%matplotlib inline
cars = pd.read_csv('data/cars_by_fuel.csv')
co2 = pd.read_csv('data/co2_new_cars.csv')
tmp = {}
for _, r in cars.iterrows():
key = f"{r.geo}-{r.TIME_PERIOD}"
tmp.setdefault(key, {'geo': r.geo, 'year': int(r.TIME_PERIOD),
'elc': 0, 'total': 0})
if r.mot_nrg == 'ELC':
tmp[key]['elc'] = r.OBS_VALUE
elif r.mot_nrg == 'TOTAL':
tmp[key]['total'] = r.OBS_VALUE
for _, r in co2.iterrows():
key = f"{r.geo}-{r.TIME_PERIOD}"
if key in tmp:
tmp[key]['co2'] = r.OBS_VALUE
df = (pd.DataFrame(tmp.values())
.dropna(subset=['co2'])
.assign(evShare=lambda d: d.elc / d.total * 100))
focus = df[df.geo.isin(['NL', 'DE', 'NO', 'PL', 'FR', 'ES'])]
code2name = dict(NL='Nederland', DE='Duitsland', NO='Noorwegen',
PL='Polen', FR='Frankrijk', ES='Spanje')
Visualisatie 1.1 – EV‑aandeel per land (2010‑2023)#
Interpretatie
Noorwegen springt eruit met het hoogste EV‑aandeel, terwijl Polen en Spanje achterblijven. Beleidskeuzes en laadinfrastructuur blijken bepalend.
Visualisatie 1.2 – CO₂‑uitstoot vs. EV‑aandeel (slider)#
Ook hier zien we een negatieve correlatie: landen met een groter EV‑aandeel hebben doorgaans lagere gemiddelde CO₂‑uitstoot per kilometer.